我最近做了一个不太正式的统计——过去一年跟我聊过的制造企业里,凡是说"我们已经在搞AI了"的,九成以上做的事情是这样的:
接一个大模型,搞一个知识库,做几个智能体试点,上线几个AI应用。
听起来挺合理。每一步都站得住,每一步都有产出。但你问他们:"你们公司的AI能力,有没有形成一个体系?"十有八九沉默。
这事我琢磨了很久,最后想明白了一件事:企业AI建设这件事,工具可以买,体系建不出来。今天九成企业的AI建设,本质是堆工具,不是建体系。
先把企业AI的完整体系画清楚
跟不少企业CIO聊下来,我把企业AI能力建设拆成七层。这不是炫技,是为了说清楚一件事——大多数企业到底站在哪一层,以及为什么停在那儿就走不动了。
第一层:模型与算力层。 DeepSeek、Qwen、GPT、行业模型、私有模型。这层解决的是"通用能力"。说白了,未来所有企业拿到的模型能力会越来越接近,这层不构成竞争力。
第二层:企业数据层。 ERP、MES、PLM、CRM、WMS、IoT 数据。这层告诉AI"企业发生了什么"。但数据本身不是认知——它只是过去的脚印。
第三层:企业知识层。 产品知识、工艺知识、设备知识、售后知识、管理制度。这层让AI知道"企业有哪些经验"。但知识依然是碎片化的。
第四层:业务本体层。 这层定义企业是什么、怎么运转、有哪些角色、关系、规则。设备属于产线、产线属于车间、工艺关联设备、设备关联维护计划——这些关系网络构成企业业务本体。这是企业AI建设最关键的一层,也是大家最容易忽略的一层。
第五层:企业认知层。 知识图谱、企业SKILL体系、本体智能体、企业认知模型。这层不是存知识,是构建认知能力——让AI理解"为什么这样做、应该怎么做、下一步做什么"。
第六层:AI智能体层。 在认知体系之上构建数字员工——AI知识专家、AI售后工程师、AI工艺专家。它们不仅拥有知识,更拥有业务认知能力。
第七层:AI应用层。 最终面向业务的应用——AI客服、AI营销、AI运维、AI质检、AI决策支持。
大多数企业卡在第三层就停了
把这七层摆出来,你立刻能看出来一件事:前三层是看得见、摸得着、买得到的;后四层是看不见、摸不着、买不到的。
这就解释了一个普遍现象——为什么企业AI建设这么容易陷入"烟囱工程":
- 接大模型,买得到,搞定;
- 整数据,有 IT 部门,搞定;
- 建知识库,有厂商,搞定;
- 做智能体,有低代码平台,搞定。
四步走完,老板一看:我们也有AI了。然后呢?然后企业AI就停在这儿了。
为什么停?因为再往下走,需要的不是工具,是认知体系。而认知体系不是买来的,是企业自己一砖一瓦垒出来的。
这就是当下企业AI建设最隐秘的瓶颈——不是技术能力不够,是没人意识到"建完前四层,真正的活儿才刚开始"。
工具时代结束,体系时代才开始
我一直在跟企业讲一个不太讨喜的判断:今天企业AI建设最大的误区,就是把"工具采购清单"当成了"AI建设规划"。
接大模型、建知识库、做智能体——这三件事本质上都是采购。但采购不会让企业形成AI能力。这就好比你买了一台最好的车床、一台最好的铣床、一台最好的焊机,把它们摆在车间里——这不叫工厂,这叫设备陈列室。
工厂是什么?工厂是设备+工艺+流程+组织+标准+质检+供应链一起跑起来的系统。AI能力也是一样。
所以我的判断是:今天行业里大家津津乐道的"企业AI建设",其实只是工具采购阶段。真正的企业AI建设,是从第四层业务本体开始,到第五层认知能力完成的。
这一段路,目前真正在走的企业,凤毛麟角。
第四层为什么是命门
第四层业务本体这件事,我在之前的文章里聊过——它定义企业的业务语义、角色关系、规则约束。这里我只补一句话:前三层加起来,给AI提供的是"信息";第四层加上之后,AI才第一次有了"语境"。
语境这个东西,是大模型本身给不了的,知识库也给不了的,智能体也给不了的。它只能从企业自己的业务里挖出来。
举个例子。同一个"设备停机"事件,在不同企业的语境下,意义完全不一样:
- 在A企业,这台设备停机意味着触发质量风险预案,需要停线排查;
- 在B企业,这台设备是冗余配置,停机切备用即可,影响极小;
- 在C企业,这台设备关联着一个关键订单,停机意味着交付违约风险。
这种"语境"不会出现在任何文档里。它只存在于企业的业务本体里——你只有把"设备—工艺—订单—客户—风险等级"这些对象的关系和规则定义清楚,AI 才能给出真正可执行的判断。
第五层才是真正的护城河
如果说第四层业务本体是企业的"业务语义地图",那第五层企业认知层,就是在这张地图上跑起来的"思维系统"。
知识图谱、企业SKILL体系、本体智能体、认知模型——这四个东西组合在一起,做的事情其实就一件:让AI不只是知道企业有什么,更能理解企业在做什么、为什么这么做、下一步该做什么。
这层能力,是未来企业真正的护城河。原因很简单:
- 模型,大家都能拿到,差距会越来越小;
- 数据,大家都在沉淀,谁也不会少太多;
- 知识,行业里大量通用;
- 但企业的认知能力,是企业独有的,是只能在企业自己的业务里慢慢长出来的,是别人复制不了的。
未来十年,谁先把自己的认知体系建起来,谁就先站到企业AI的下一个时代。
核心判断
企业AI建设有七层,但 80% 的企业以为自己站在第五层,实际站在第三层。区别在于:前三层是采购,后四层是建造。采购可以用钱解决,建造只能用认知和耐心解决。看清自己站在哪一层,比急着上工具重要十倍。
我的核心判断
回到开头那个现象——为什么九成企业都卡在第三层就停了?
我的判断很简单:因为前三层是用钱能解决的,后四层是用认知和耐心才能解决的。
所以给企业的建议,我也说得很直白:
第一,先搞清楚自己站在第几层。 别再被"我们已经在做AI"这种自我安慰忽悠了。如果你做的事情是接大模型、建知识库、做智能体——你站在第三层,真正的活儿还没开始。
第二,不要想着一次性把七层建完。 这是个十年代的工程,不是季度项目。最容易踩的坑,就是请咨询公司画一张"企业AI顶层架构图",然后扔给 IT 部门按图施工——这条路走过 ERP、走过数据中台,现在 AI 时代还会再走一次,结果都一样:建不完、用不起来、最后推翻重来。
第三,从最痛的业务场景切入,反向长出认知体系。 挑一个值钱、频繁、依赖老师傅经验的场景——比如设备故障应急、订单交付预警、工艺变更影响评估。把这个场景跑通,看清楚它需要哪些业务对象、关系、规则、责任,然后用本体的方式固化下来。一个场景跑通,本体的边界自然扩开,认知体系也跟着长出来。
第四,警惕厂商话术。 今天市面上很多"企业AI解决方案"卖的是第一层和第三层的能力,包装成"认知智能"卖给企业。买之前问一句:你的方案里,业务本体建模谁来做?认知模型怎么训?如果回答不上来,这就是个套壳的工具,不是体系。
写在最后
过去二十年,中国制造业经历了从信息化到数字化,现在正进入智能化。每一步都有大量企业掉队,原因不是没钱、不是没技术,而是没看清自己站在哪个时代。
AI 时代也是一样。今天大部分企业以为自己在建AI,实际上只是堆了一堆AI工具。 真正的企业AI建设,从第四层业务本体开始,到第五层认知体系完成。
这两层中间这段路,才是未来十年中国制造业AI竞争的主战场。早一点看清这件事,就早一点站到牌桌上。